【2026年9月最新】OpenAI o3-proとは？モデルの実力と、今選ぶべき後継モデルまで徹底解説
aikanri-admin
「OpenAI o3-proって結局何だったの？」「調べてみたけど、今も使う価値があるのか分からない」——検索でこのページにたどり着いた方の多くは、そう感じているのではないでしょうか。
o3-proは、OpenAIが推論特化型モデル「o3」シリーズの最上位として提供した、複雑な思考タスクに強いAIモデルです。しかし生成AIの進化スピードは非常に速く、2026年現在の視点で見ると、o3-proはすでに「過去の主力モデル」という位置づけになっています。
この記事では、o3-proの基本的な特徴・当時の性能評価を整理したうえで、「今から使うなら何を選ぶべきか」という最新の視点まで踏み込んで解説します。弊社（株式会社GENAI）が複数のAIモデルを実際にどう使い分けているかという独自データも交えてお伝えします。
代表菅澤
AI鬼管理山崎
特にビジネスでAI活用を検討している経営者・管理職の方にとっては、「個別のモデル名の性能比較」よりも「自社の業務にどう当てはめるか」の方がはるかに重要です。この記事は単なるスペック解説にとどまらず、実際の業務判断に落とし込めるところまで踏み込んで解説していきます。
この記事を最後まで読むと、次の7つが明確になります。
01 WHAT IS O3-PRO OpenAI o3-proとは？基本情報と位置づけ 推論特化モデル「o」シリーズの最上位モデル
o3-proは、OpenAIが提供していた推論特化型モデル「oシリーズ」の上位モデルです。通常の対話モデル（GPTシリーズ）とは異なり、数学・科学・複雑な論理パズルのような「じっくり考える必要があるタスク」に強みを持つよう設計されたモデルでした。
📚 用語解説
推論特化モデル：回答を出す前に内部で段階的な思考プロセス（chain of thought）を重ねることで、複雑な問題の正答率を高めるよう設計されたAIモデル。通常の対話モデルより応答に時間がかかる代わりに、数学の証明問題や複雑なコーディング課題などで高い精度を発揮する傾向があります。
| 項目 | 内容 |
|---|---|
| 提供元 | OpenAI |
| モデル系統 | oシリーズ（推論特化型）の上位モデル |
| 主な強み | 数学・科学・複雑な論理推論、専門家評価の高いタスク |
| 提供方式 | API（Responses API）中心、ChatGPT上位プランでの提供もあり |
| 2026年時点の位置づけ | 後継の統合型モデルに主力の座を譲った「当時の最上位」モデル |
o3-proは、前身の「o1-pro」からさらに推論精度を高めたモデルとして登場し、リリース当初は数学オリンピック級の問題（AIME）や大学院レベルの科学問題（GPQA Diamond）といった難易度の高いベンチマークで高いスコアを記録し、話題になりました。
AIモデルの提供状況・名称・料金体系は各社の方針転換により頻繁に変わります。この記事の情報は執筆時点のものであり、最新の提供状況は必ずOpenAI公式サイトで確認してください。
1-1. 「o3」「o3-pro」「o1-pro」の違いを整理する
oシリーズには複数のバリエーションがあり、名前が似ているため混同されがちです。基本的な関係性は、「無印のoモデル」が標準的な推論特化モデル、「pro」が付くモデルはその中でもさらに推論の深さ・精度を追求した上位版という位置づけでした。
| モデル名 | 位置づけ | 特徴 |
|---|---|---|
| o1 | 初代の推論特化モデル | 通常モデルより高精度だが応答が遅い、という特性を確立 |
| o1-pro | o1の上位版 | より深い推論ステップで精度を追求 |
| o3 | o1の後継世代 | 推論効率・精度をさらに改善 |
| o3-pro | o3の上位版（当時の最上位） | 最も深い推論を行い、最難関ベンチマークで高スコアを記録 |
この「無印→pro」という命名の流れは、後継の統合型モデルにおける「標準モード→Thinkingモード」という区分に近い発想で引き継がれています。当時の設計思想を理解しておくと、現行モデルの「モード切り替え」の意味も理解しやすくなります。
02 FEATURES o3-proの特徴・当時の評価 何が評価され、何が使いにくいとされたのか
o3-proが登場した当時、特に評価されたポイントは「難易度の高い専門的タスクでの正答率の高さ」でした。専門家による品質評価でも、数式の導出・科学的な論証・複雑なコード生成といった領域で高い評価を得ていました。
2-1. 評価されたポイント
特に注目されたのは、人間の専門家が回答をブラインド評価（どのAIの回答か分からない状態で採点）した結果でも高い評価を得たという点です。単純な自動採点だけでなく、専門知識を持つ人間の目で見ても質の高い回答を返せることが示された点は、当時の業界内で大きな話題になりました。
2-2. 課題とされたポイント
一方で、o3-proには実務利用における課題も指摘されていました。最大の課題は応答速度です。推論特化モデルは内部で段階的に思考を重ねる分、通常のチャットモデルよりも回答が返ってくるまでの時間が長くなる傾向があります。
o3-proは「あらゆるタスクで最強」というモデルではなく、「特定の難しいタスクに強い」専門特化型のモデルでした。日常業務の大半は、実はより軽量で高速なモデルで十分こなせるケースがほとんどです。
AI鬼管理山崎
2-3. ベンチマークの数字をどう読むべきか
AIモデルの性能比較では、AIME（数学オリンピック形式の問題集）やGPQA Diamond（大学院レベルの科学問題）といったベンチマークのスコアがよく引用されます。ただし、ベンチマークのスコアが高い=すべての業務で使いやすい、とは限らない点には注意が必要です。
ベンチマークは基本的に「難問をどれだけ正確に解けるか」を測るものであり、日常業務で求められる「自然な文章表現」「意図の汲み取りやすさ」「レスポンスの速さ」といった実用面の評価とは別軸です。数字だけを見てモデルを選ぶのではなく、自社の業務で実際に試してから判断することが重要です。
📚 用語解説
ベンチマーク（AIモデル評価）：AIモデルの性能を客観的に比較するための標準化されたテスト・問題集。数学・科学・コーディングなど分野別に多数のベンチマークが存在し、各社がモデル発表時にスコアを公開するのが一般的です。ただし実務での使い勝手を直接反映するとは限りません。
03 IS IT STILL AVAILABLE o3-proは2026年現在も使えるのか 提供状況の確認方法と、後継モデルへの統合の流れ
生成AI業界では、個別の推論特化モデルを、より統合的なモデルに集約していく流れが進んでいます。OpenAIも、oシリーズで培った推論能力を、GPTシリーズの上位モデル（GPT-5など）に統合する形で進化させてきました。
📚 用語解説
モデルの統合：個別に提供されていた専門特化型モデル（推論特化・高速応答特化など）の機能を、1つの上位モデルに内包していく開発の流れ。ユーザー側は「どのモデルを使うか」で迷う場面が減る一方、モデル名の変遷を追いかけるのが難しくなる側面もあります。
現時点でo3-proへのAPIアクセスが提供されているかどうかは、OpenAIの公式ドキュメント（Model Release Notes・Deprecations一覧）で確認するのが最も確実です。旧世代モデルは提供終了（Deprecation）のアナウンスとともに、一定期間後にアクセスできなくなることが一般的です。
システムに特定のモデルIDを直接組み込んでいる場合、そのモデルが提供終了になると突然エラーが発生するリスクがあります。API経由でモデルを利用している場合は、定期的に提供状況を確認し、後継モデルへの移行計画を持っておくことを推奨します。
3-1. 「o3-proを今から契約すべきか」への回答
結論として、新規に導入を検討している場合、o3-pro単体を狙う必要はほぼありません。後述する現行の上位モデル（GPT-5系など）が、o3-proの推論能力を引き継ぎつつ、応答速度やコストの面でも改善されているケースが多いためです。「o3-pro」という名前で検索している方の多くは、実質的に「今、複雑な推論タスクに強いモデルを探している」というニーズだと考えられます。
3-2. 過去のモデル名で検索してしまう理由
「o3-pro」のような具体的なモデル名で検索が発生し続ける背景には、リリース当時の話題性が検索エンジン上のコンテンツとして残り続けているという事情があります。発表当時のニュース記事やレビュー記事が上位表示され続けるため、後から検索した人がその情報を「現在の情報」と誤認してしまうケースが少なくありません。
AIモデルの話題は移り変わりが速いため、検索結果の公開日を必ず確認する習慣をつけましょう。特に技術系の記事は、公開から半年以上経過している場合、情報が古くなっている可能性を疑うべきです。
この記事のように「当時の情報＋現在の最新状況」の両方を併記する構成であれば、検索した時点でどちらの情報が必要かに関わらず、正確な判断材料を得ることができます。AIツール選定の記事を読む際は、この「情報の鮮度」を意識する視点自体が重要なリテラシーだといえます。
04 CURRENT MODELS 【独自】o3-pro後継にあたる現行モデルとの違い 2026年時点で「複雑な推論」に強いモデルはどれか
o3-proが得意としていた「複雑な推論タスク」は、2026年現在、各社の上位モデルに標準搭載される形で受け継がれています。ここでは、主要3社の現行ラインナップを整理します。
| 提供元 | 現行の上位モデル（例） | 推論タスクへの対応 | 特徴 |
|---|---|---|---|
| OpenAI | GPT-5 / GPT-5 Thinking | 標準搭載（Thinkingモードで深い推論） | チャット・推論・コーディングを1つのモデル系統に統合 |
| Anthropic | Claude Opus 4.6 / Sonnet 4.6 | 標準搭載（複雑なタスクほどOpusが有利） | エージェント実行（Claude Code）との統合が強み |
| Gemini（上位モデル） | 標準搭載 | Google Workspaceとの連携が強み |
共通する傾向として、「推論特化モデルを個別に選ぶ」時代から「1つの上位モデルが状況に応じて深く考える」時代に移り変わっています。ユーザーが意識すべきは「どのモデルIDを使うか」よりも、「どのプラン・どのモード（Thinking/通常）を使うか」になってきています。
📚 用語解説
Thinkingモード：AIモデルが回答前に、内部でより多くの思考ステップを重ねて精度を高める動作モード。通常モードより応答は遅くなりますが、複雑な問題ほど正答率が上がる傾向があります。GPT-5などの現行モデルでは、ユーザーがオン・オフを選択できる形で提供されています。
3-3. 検索している目的別に見る、次のアクション
「o3-pro」と検索する動機は人によって様々です。ここでは代表的な3パターンと、それぞれに合った次のアクションを整理します。
| 検索の動機 | 本当に必要な情報 | 次のアクション |
|---|---|---|
| 当時の技術トレンドを振り返りたい | o3-proの歴史的な位置づけ | この記事の第1〜2章で完結 |
| 今から複雑な推論タスクに使えるAIを探している | 現行の上位モデル・Thinkingモードの情報 | 第4章「現行モデルとの違い」を参照 |
| 業務でAIをどう使い分ければいいか知りたい | モデル選定の判断軸そのもの | 第6〜8章の実務パートを参照 |
4-1. 複雑な推論タスクで今選ぶべきモデルの目安
この判断基準で重要なのは、「まず最上位モデルから試して、オーバースペックなら下げる」のではなく、「まず標準モデルから試して、精度が足りない場合だけ上位モデルに切り替える」という順序で検討することです。多くの業務は標準モデルで十分な品質が出るため、コストを抑えながら必要な場面だけ上位モデルを使う方が、長期的な運用コストを抑えられます。
各社とも無料プランや試用枠を用意しています。いきなり高額な上位プランを契約するのではなく、まずは無料の範囲で標準モデルとThinkingモードの違いを体感し、業務にどれだけ差が出るかを確認してから契約プランを決めるのが安全です。
代表菅澤
05 PRICING 料金体系（当時のo3-pro vs 現行モデル） Responses APIの料金と、今のコスト感覚を比較する
o3-proは、ChatGPTの通常プランには含まれず、主にAPI（Responses API）経由での従量課金で提供されていました。推論特化モデルらしく、標準モデルと比べて入力・出力ともに高単価に設定されていたのが特徴です。
📚 用語解説
Responses API：OpenAIが提供するAPIの1つで、推論特化モデル（oシリーズ）など高度なモデルを呼び出す際に使われた方式。通常のChatCompletions APIとは別の仕様で提供されるケースがあり、開発者は用途に応じて使い分ける必要がありました。
料金の絶対値は執筆時点で変動している可能性が高いため、この記事では詳細な単価の記載は避けますが、「推論特化モデルは標準モデルの数倍〜十数倍の単価になりやすい」という傾向は、2026年現在の各社上位モデルにも共通しています。
すべてのタスクを最上位モデルで処理するのではなく、「簡単なタスクは標準モデル」「複雑なタスクだけ上位モデルのThinkingモード」という形でタスクごとに振り分けると、精度を維持しながらコストを大きく抑えられます。
多くのAIプラットフォームでは、プログラム側でタスクの難易度に応じてモデルを自動的に切り替える設計も可能です。API開発者であれば、こうした「モデルルーティング」の仕組みを組み込むことで、コストと精度のバランスを取ることができます。
個人・小規模事業者であれば、API従量課金よりも月額定額のプラン契約（Pro/Maxなど）の方がコスト予測がしやすいという側面もあります。「推論特化モデルを使うたびにいくらかかるか分からない」という不安がある場合は、定額プランの範囲内でThinkingモードを試すところから始めるのが安全です。
📚 用語解説
モデルルーティング：タスクの内容や難易度に応じて、呼び出すAIモデルを自動的に振り分ける仕組み。簡単な質問には低コストの軽量モデル、複雑な推論には高コストの上位モデルを割り当てることで、全体のコストと精度のバランスを最適化します。
06 AGENT VS CHAT 【独自】推論特化モデルと自律型AIエージェントの違い 「考えるAI」と「実行するAI」は別物という整理
o3-proのような推論特化モデルの進化を追いかけていると見落としがちなのが、「深く考えられるAI」と「実際に業務を実行できるAI」は別の軸であるという点です。ここを混同すると、モデル選びの判断を誤りやすくなります。
| 軸 | 推論特化モデル（o3-pro等） | 自律型AIエージェント（Claude Code等） |
|---|---|---|
| できること | 難しい問題に対して精度の高い「答え」を返す | ファイル操作・外部システム連携を含む一連の作業を実行する |
| アウトプット | テキスト・コードの回答 | 実際に完了したタスクの結果（作成されたファイル、更新されたデータ等） |
| 向いている用途 | 1問1答型の難問を解きたいとき | 繰り返しの業務プロセスを自動化したいとき |
例えば「この数式を証明して」という1回限りの問いには推論特化モデルが向いていますが、「毎週この作業を決まった手順で実行して」という継続的な業務には、自律型AIエージェントの方が適しています。両者は競合する技術というより、用途が異なる補完的な存在と捉えるのが正確です。
1回限りの
複雑な問い
モデルに質問
Thinkingモード等
で深く考えさせる
業務に反映
人が確認・
採用
一方、業務プロセス全体を自動化したい場合は次のような流れになります。
業務を特定
週次レポート
作成など
手順を任せる
Claude Codeが
自律的に実行
レビュー
継続的に
運用
AI鬼管理山崎
07 GENAI CASE STUDY 【独自データ】GENAIが複数のAIモデルを使い分けている理由 「全部最上位モデル」ではなく、タスク別に最適化する運用
弊社（株式会社GENAI）では、Claude Max 20xプラン（月額約30,000円）を全社の主軸として契約しつつ、業務内容に応じてモデル・ツールを使い分けています。ここでは、その使い分けの考え方を紹介します。
7-1. 業務別のモデル使い分け方針
| 業務内容 | 使用するモデル・ツール | 理由 |
|---|---|---|
| 日常的な文章作成・下書き | Sonnet系（標準モデル） | 応答速度が速く、コストも抑えられるため |
| 複雑な戦略立案・重要な意思決定の壁打ち | Opus系（上位モデル） | 精度の高い深い推論が必要なため |
| 定型業務の自動実行（経理・記事執筆・営業資料等） | Claude Code（エージェント型） | ファイル操作・外部連携を伴う実行力が必要なため |
この使い分けにより、コストを抑えながら、必要な場面でだけ高精度なモデルを使う運用ができています。全業務を最上位モデルで処理する場合と比較して、体感的にはコストを抑えつつ、業務品質は落とさずに済んでいる実感があります。
特に効果を感じているのは、記事執筆・営業資料作成のような「量をこなす業務」です。こうした業務を毎回上位モデルで処理すると、応答時間・コストの両面で無視できない負担になります。標準モデルでも十分な品質が出るタスクを見極めて振り分けることで、月間の処理量を増やしながらもコストの伸びを抑えられています。
上記のモデル使い分け方針は弊社の運用実例であり、業務内容・企業規模によって最適な配分は異なります。あくまで「タスクの難易度に応じてモデルを使い分ける」という考え方の参考としてご覧ください。
7-2. モデル選定を属人化させない工夫
モデルの使い分けを個人の感覚任せにすると、担当者によって品質・コストにバラつきが出てしまいます。弊社では、「この業務にはこのモデル・ツールを使う」という基本ルールをあらかじめ決めておくことで、誰が担当しても一定の品質・コストで業務が回るようにしています。
代表菅澤
7-3. 「新しいモデルが出るたびに乗り換える」は非効率
生成AI業界では、数ヶ月おきに「最新モデル」が話題になります。そのたびに全業務のモデルを乗り換えていては、検証・移行のコストばかりがかさんでしまいます。弊社では、「明確に業務品質が上がる」「コストが大きく下がる」といった実利が確認できたタイミングでのみ切り替えるという方針を取っています。
具体的には、新しいモデルが出た際にまず一部の業務（例えば記事の1本だけ、資料の1件だけ）で試験的に使ってみて、既存モデルとの品質・速度・コストを比較したうえで、全面移行するかどうかを判断しています。この「小さく試してから広げる」進め方は、AIモデルに限らず新しいツール全般の導入に応用できる考え方です。
新しいモデルが出るたびに「なんとなく良さそう」で全面切り替えるのではなく、具体的な業務1つに絞って品質・速度・コストを比較してから判断すると、移行の手戻りを防げます。
08 HOW TO CHOOSE モデル選定を仕組み化する方法 個別のモデル調査から、継続的な運用へ
o3-proのように、話題になったモデルも数ヶ月〜1年単位で後継モデルに置き換わっていくのが生成AI業界の現実です。個別のモデル名を追いかけ続けるより、モデル選定の判断軸そのものを社内に仕組み化しておく方が、長期的な業務効率化につながります。
8-1. 仕組み化のための3ステップ
業務を
難易度別に分類
難易度に応じた
モデル・ツールを割当
定期的に
最新モデルを見直す
特に重要なのはStep 3です。半年に一度など、定期的に「今の業務配分は最適か」「新しいモデルに置き換えた方がよい部分はないか」を見直すタイミングを設けておくと、モデルの進化に振り回されずに済みます。
8-2. 自社での見直しが難しい場合の選択肢
「どのモデルが今の業務に最適か、判断する余裕がない」という会社も多いはずです。弊社が提供する「AI鬼管理」では、業務内容に応じたAIモデル・ツールの選定から、実際の業務組み込みまでを伴走支援しています。
AI鬼管理山崎
8-3. 情報収集そのものを効率化する
「新しいAIモデルの情報を毎回自分で追いかけるのが大変」という声もよく聞きます。この場合、前述したAI検索エンジン（Felo・Perplexityなど）を使って、定期的に主要AIベンダーの発表をまとめてチェックする運用が有効です。個別のニュースサイトを巡回するより、AIに「主要AIベンダーの直近1ヶ月のモデル発表をまとめて」と聞く方が圧倒的に効率的です。
さらに、この情報収集自体をClaude Codeのような自律型AIエージェントで定期実行するように仕組み化すれば、「新モデルが出たら自動で通知が来て、試すべきかどうかの一次判断材料まで揃っている」という状態を作ることも可能です。AIの進化を追いかける作業自体をAIに任せる、という発想です。
09 CONCLUSION まとめ o3-proは「過去の到達点」。今は判断軸を持つことが重要
この記事では、OpenAI o3-proの基本情報・特徴・当時の評価から、2026年現在の提供状況、後継にあたる現行モデルとの違い、そして弊社GENAIのモデル使い分け事例までを解説しました。最後にポイントを振り返ります。
生成AIのモデルは今後も高速に進化を続けます。「今話題のモデルは何か」を追いかけ続けるより、「自社の業務にはどんな種類のAIが必要か」を判断できる軸を持つ方が、長期的なAI活用では確実に効いてきます。
o3-proという1つのモデルの盛衰を振り返ると、生成AI業界のスピード感がよく分かります。今後も新しいモデルが次々登場するはずですが、この記事で整理した「タスクの難易度でモデルを使い分ける」「推論モデルとエージェントは役割が違う」という判断軸は、モデルの世代が変わっても応用できる考え方です。
代表菅澤
AIモデル選びに迷ったら、業務設計ごとAI鬼管理にお任せください
話題のモデルを追いかけるより、自社の業務に合った判断軸を持つこと。
弊社の実運用ノウハウをベースに、貴社に合ったAI活用の設計を個別にご提案します。
AI鬼管理山崎
ここから先の進め方は、大きく2つあります。
自社で回せるようになりたい方は、AI鬼管理でClaude Code／Codexの使い方から業務設計・社内定着まで伴走を受けながら、社内に仕組みを作る道があります。
覚えるより任せたい方は、AI社員AIKATAでこの記事のような定型業務を丸ごと預ける道があります。料金は月30万円の月額定額、追加費用は0円です。
どちらが合うかは、業務量と社内体制次第です。無料相談・無料適合診断で、貴社の場合はどちらが向くかからご相談いただけます。
NEXT STEP
この記事の内容を、あなたのビジネスで
実践してみませんか？
よくある質問
Q. OpenAI o3-proは今も使えますか？
A. 提供状況は変わりやすいため、最新情報はOpenAI公式のModel Release Notesやドキュメントで確認する必要があります。新規に導入を検討する場合、後継にあたる現行の上位モデル（GPT-5系など）を検討する方が実用的です。
Q. o3-proとo1-proの違いは何ですか？
A. o3-proは前身のo1-proからさらに推論精度を高めたモデルとして登場しました。数学・科学分野のベンチマークで、より高いスコアを記録したとされています。ただし応答速度やコストといった課題は共通していました。
Q. 推論特化モデルは日常のチャット用途にも使うべきですか？
A. 基本的には不要です。推論特化モデルは応答速度が遅く単価も高いため、日常的な文章作成やチャットには標準モデルの方が効率的です。複雑な数学・科学・専門的な論理問題を解きたいときに限定して使うのが実務的です。
Q. 2026年現在、複雑な推論タスクにはどのモデルを使えばいいですか？
A. OpenAIならGPT-5のThinkingモード、AnthropicならClaude Opus 4.6など、各社の上位モデルに推論特化モデルの能力が統合される形で提供されています。まずは自社が契約しているプランの上位モデル・Thinkingモードを試してみることをおすすめします。
Q. 推論特化モデルとAIエージェント（Claude Codeなど）は何が違いますか？
A. 推論特化モデルは「難しい問いに対して精度の高い答えを返す」ことが得意です。一方AIエージェントは、ファイル操作や外部システム連携を含む一連の業務プロセスを自律的に実行することが得意で、役割が異なります。
Q. AIモデルの選び方に迷わないためには何をすればいいですか？
A. 個別のモデル名を追いかけるのではなく、「自社のどの業務にどの難易度のタスクがあるか」を洗い出し、業務ごとに使うモデル・ツールの基本ルールを決めておくことが有効です。半年に一度など、定期的に最新モデルとの比較・見直しを行う運用も重要です。
Claude Codeで業務自動化を90日で叩き込む
経営者向けの伴走型パーソナルトレーニング
AI鬼管理／AI社員AIKATAへのお問い合わせ
この記事を読んで気になった方へ。
専門スタッフが、御社に最適な
業務自動化・業務代行プランを無料でご提案します。
- AI業務自動化サービス「AI鬼管理」を運営 — Claude Code を活用し、経営者の業務を「AIエージェントに任せる仕組み」へ転換するパーソナルトレーニングを 伴走構築 で提供。日報・採用・問い合わせ対応・経費精算・議事録・データ集計・営業リスト等の定型業務を、AIに代行させる体制を経営者と一緒に作り込む
- Claude Code 実装ノウハウを 経営者・法人クライアント に直接指導。生成AIを「便利ツール」ではなく 「業務を任せる存在」 として運用する手法を体系化
- 「やらせ切る管理」メソッドの開発者。シンゲキ株式会社（2021年設立・鬼管理専門塾運営）にて累計3,000名以上の学習者を志望校合格に導いた管理メソッドを、AI × 経営者支援 に転用
- 著書『3カ月で志望大学に合格できる鬼管理』(幻冬舎)、『親の過干渉こそ、最強の大学受験対策である。』(講談社)
- メディア出演: REAL VALUE / カンニング竹山のイチバン研究所 / ええじゃないかBiz 他
- 明治大学政治経済学部卒
